의료 영상, 바이오 딥러닝, 바이오, 강의, 인공지능, 의료
  • 데이터사이언스
  • 중급, 고급

바이오 딥러닝 : 의사 · 국제 학술지 저자에게 배우는 영상 의료 인공지능 기술 구현

기술로 세상을 더 좋은 곳으로 만들고자 의사가 아닌 의료 인공지능 연구원을 선택한 강사님의 제대로 된 의료 영상 분석 강의!

3기
강의 일정
23.07.16 ~ 23.09.10 (총 8회) 매주 일요일 14:00 ~ 17:00 (총 24시간)

(7월 23일 휴강)

영상 의학 관점의 의료 인공지능과
현장에 필요한 고민을 해결할 수 있는 기회!

의사로서, 인공지능 연구원으로서 누구보다 이 둘을 어떻게 엮어야 할 지 잘 알고 있다고 자부합니다.
제가 가진 모든 것들을 강의에서 다 풀어내겠습니다.

강의소개

의사 면허를 취득하고 의료 인공지능 기술을 위해 연구하고 있는 강사님과 8주간 함께 합니다.

의료 영상 강의

01. 현 시점 최고 수준의 결과를 가진 모델, SoTA 모델로 다룹니다.

기본적인 CNN, MLP 같은 기초적인 딥러닝 기술에서 나아가 의료 인공지능에 쓰이는 SoTA (State of The Art) 논문들을 읽어보고 이와 관련된 다른 인공지능 논문도 살펴봅니다.

02. 의료 분야에 필수적인 딥러닝 모델과 논문을 선별하여 구현해 봅니다.

현재 업계에서 요구되는 모델 구현 역량은 1) 도메인에 대한 이해, 2) 디버깅 능력입니다. 의료 분야에 적용되는 딥러닝 논문 구현을 위해 Tensorflow와 Pytorch의 딥러닝 프레임워크를 활용하여 실전에 필요한 실습을 진행할 예정입니다.

03. 이제 모델 성능은 기본, 의사로서 경험한 의료 현장에 대해 알려드립니다.

최근, 의료 인공지능 연구들은 성능은 기본적으로 담보되는 가정 하에 임상 현장에서의 쓰임새를 증명하고 싶어 합니다. 기업들은 딥러닝에 대한 이해는 필수적이며, 임상 현장에 대한 이해를 요구하고 있습니다. 강의에서, 현장에 필요한 문제해결과 이를 위한 개발 경험을 나눠드릴 예정입니다.


본 강의에서

무엇을 얻어갈 수 있나요?

의사에게 배워보는 영상 의학 관점에서의 의료 문제 해결

  • 의료 영상에 최적화된 모델 구현에 필요한 다양한 관점 학습

    기술에만 편향되지 않은 의료, AI 융합 이해

    의료 영상에 최적화된 딥러닝 모델을 위해 고려해야 하는 중요한 것들에 대해 배워봅니다. 특히, 의료 이미지나 영상에서만 발견되는 특성들을 통해 영상의학 관점의 인공지능 역할에 대해 함께 배워 봅니다. 의료영상 및 의학 산업에 대한 이해를 바탕으로 더 넓은 시야를 가질 수 있습니다.

    의료 영상 강의
  • 이론과 코드 실습의 교차적인 반복을 통한 기술적 이해

    의료 영상 모델 구현에 필요한 역량 습득

    이론과 코드를 병행하여 강의를 진행하고, 파이썬에 대한 기초적 이해가 있다는 가정 하에 수업을 진행할 예정입니다. 다양한 논문을 구현하고 실습을 진행할 예정이기 때문에 파이토치 혹은 텐서플로우에 대한 이해도 있으면 더욱 좋습니다.또한 수강생들에게는 github private repository를 제공하여 예습 및 복습의 기회를 마련합니다.

    의료 영상 강의
  • 바이오 업계 준비 or 재직 수강생들 간의 네트워킹

    현직자만이 공유할 수 있는 현실적 문제

    관련 분야를 연구하고 있는 대학원생들, 바이오 업계의 재직자 등 다양한 업계의 분들이 강의를 찾아주고 계십니다. 강사님의 실무 이야기뿐만 아니라 각자의 고민과 각자의 현업의 이야기를 통해 보다 빠르게 실무에 대한 이해를 하실 수 있습니다.

    의료 영상 강의

딥러닝 기술을 활용한 질병 예측과 환자 진단으로
사람을 살리는 현장의 최신 기술을 전달합니다.


본 강의가 특별한 이유는

무엇인가요?

1

딥러닝 기술을 적용할 수 있는 의료 문제의 해결 과정

기술적 관점만을 공부하는 것은 엔지니어로 성장하기엔 훌륭하지만, 의료인공지능이라는 융합 학문을 연구하기에는 부족한 면이 있습니다. 의료 인공지능에 대한 다양한 관점을 키우고 현장에 필요한 고민이 무엇인지 강의를 통해 알아나갈 기회를 제공합니다.

2

현업에서 경험한 CV 모델 구현의 케이스 스터디

딥러닝에 대한 이해는 선택이 아닌 필수입니다. 본 강의를 통해 딥러닝, 도메인에 대한 이해뿐만 아니라 데이터 디버깅을 할 수 있는 능력을 기를 수 있습니다. 현업에서 요구되는 역량을 갖춘 인공지능 연구원으로 성장하실 수 있습니다.

3

바이오, 의료 분야의 AI 업계최신 트렌드

최근, 의료 인공지능 연구들은 성능은 기본적으로 담보되는 가정하에 임상 현장에서의 쓰임새 증명에 더 치중되는 편입니다. 임상 현장에 대해 함께 이해할 수 있는 강사님과 함께 검색과 논문에서 확인할 수 없던 실전에 유용한 정보를 얻어가실 수 있습니다.

FAQ

강의에 대해

궁금한 점이 있으신가요?

Q. 강의를 수강하기 위해서는 선수 지식이 얼마나 필요할까요?

파이썬에 대한 기초적인 이해가 있다는 가정 하에 수업을 진행할 예정입니다. 다양한 논문을 구현하고 실습을 진행할 예정이기 때문에 파이썬 코드와 딥러닝 기초 개념에 대한 이해가 있어야 원활한 수강이 가능합니다!

Q. 설치 파일이 필요한가요?

Tensorflow와 Pytorch를 활용하여 Google Colab에서 실습이 진행될 예정입니다.별도의 설치는 필요하지 않으며, 노트북을 꼭 지참해 주시길 바랍니다.

수강 대상

이런 분들은 꼭 들으셔야 해요!


의료 계열에 종사하나 AI 논문 이해 및 구현이 부족하다고 느끼시는 분


의사, 인공지능 연구원뿐만 아니라 의료 분야로 업을 삼고 싶은 모든 분들


의료 + 영상에 필요한 현업 기술을 현장의 사례를 통해 배워보고 싶으신 분

강사소개

우리 강사님을 소개할게요!

의료 영상 강의
Wilson
이력사항
  • (현) CorelineSoft 의료 인공지능 연구원
  • (전) 의료 AI 기업 의료 인공지능 연구원
기타이력
  • 10편의 국제 학술지 논문 저술
  • Nature 자매지 제 1저자 : 논문 확인하기 (click!)
  • 영남대학교 의과대학 졸업. 의학사. 의사
  • 서울아산병원 울산대학교 의과대학 의공학 석사. 공학 석사. 의료 인공지능 세부 전공
1. 자기소개 부탁드립니다.

안녕하세요. 저는 의료 인공지능 연구원으로 일하고 있는 Wilson입니다. 의대를 졸업하고 의사 면허를 취득 후 전문의 과정을 밟지 않고 의공학 석사(세부전공 의료인공지능) 과정을 밟았습니다. 의료 인공지능이 의료를 바꿀 것이라 믿고, 기술로 세상을 더 좋은 곳으로 만들고자 연구에 임하고 있습니다. 제 주요 관심사는 3M (Medicine, Mathematics, Machine learning)이고 이 중 두 개 이상을 섞은 것에 더더욱 관심이 많습니다. 대학생 때부터 수학을 너무 좋아해서 '수학으로 의학을 어떻게 바꿀 수 있을까' 고민을 많이 하였고, 그 결론이 의료 인공지능이라는 해답이 되었습니다. 의료인공지능을 석사 과정과 회사를 다니며 연구하며 10편의 논문을 작성하였고 1저자로 Nature 자매지를 비롯한 다수의 저널에 출간을 한 경험이 있습니다.의사로서, 그리고 인공지능 연구원으로서 누구보다 이 둘을 어떻게 엮어야 할 지 잘 알고 있다고 자부할 수 있고 제가 가진 모든 것들을 강의에서 다 풀어내겠습니다.

2. 강의에서는 주로 어떤 내용을 다룰 예정이시고, 어떤 형태로 진행되나요?

본 강의에서는 의료 영상에 대한 전반적인 이해와 의료 인공지능을 연구할 때 있어서 해야 하는 고민들, 그리고 분류(classification), 분할(segmentation) 문제를 풀어 보는 것 뿐만 아니라 의료인공지능이 의료 현장을 바꾸기 위해서 어떤 전략을 짜야 하는지, 어떤 이해를 해야 하는지 보건 산업적인 이해까지 망라할 예정입니다. 실습은 Google Colab으로 진행될 예정이므로 노트북을 꼭 지참해주시길 바랍니다.

3. 본 강의에서 배운 내용을 수강생 분들이 어떻게 활용할 수 있을까요?

실제 현장에 쓰이는 최신 기술과 지식으로 바로 연구에 투입할 수 있도록 생생한 현장의 지식을 전달합니다.

4. 다른 강의와 어떤 차별점이 있나요?

의학 백그라운드에서 코딩과 수학, 인공지능을 공부해오며 겪었던 어려움과 난관을 누구보다 잘 알기에 다양한 백그라운드의 수강생들을 포괄적으로 진행할 자신이 있습니다. 또한 단순히 기술만을 설명하는 1차원적인 강의가 아니라 의료와 기술, 보건산업에 대한 이해를 동시에 해나가기 때문에 실제적으로 의료 스타트업을 꿈꾸시는 분들께는 어떤 전략을 짜야 하는지, 연구를 하시는 분들께는 어떻게 해야 세상에 영향력이 있는 연구를 해나갈 수 있는지 좋은 길잡이가 되리라 믿어 의심치 않습니다.

5. 마지막으로 수강생들에게 하고 싶으신 말이 있다면?

제가 의료 인공지능을 연구하며 느낀 것은 단순히 좋은 기술만 가지고 세상을 바꿀수는 없다는 것입니다. 본 강의의 가장 큰 강점은 의료에 대한 이해와 보건산업에 대한 이해, 그리고 기술에 대한 이해 세 가지를 총체적으로 다룰 것이라는 점이라 생각합니다. 의사로서, 인공지능 연구자로서, 그리고 세상을 바꾸고 싶어하는 사람으로서 수강생들께서도 저와 같은 꿈을 꿔 주시길, 저와 같은 열정을 가지고 계시길 바랍니다.

커리큘럼 (8)

  • 1주차. 의료인공지능에 대한 개괄적 소개와 산업에 대한 이해

    강의 목표

    • 의료 인공지능에 있어서 기념비적인 논문들을 읽어보고 이러한 논문들이 산업 현장에까지 어떻게 연결되는지를 보험 수가 관점에서 살펴본다.

    이론

    • 의료 인공지능에 대한 전반적 소개와 의료 인공지능 역사에 있어서 중요한 논문들을 읽어본다. 그리고 한국과 미국에서의 의료 인공지능 보험 수가에 대한 소개 및 논문들을 대입하며 어떤 논문들이 실제로 산업 현장과 의료 현장에 쓰일 수 있을지에 대한 방향을 제시한다.
  • 2주차. 의료영상 톺아보기: 파이썬으로 하는 DICOM에 대한 이해

    강의 목표

    • 의료영상의 국제표준인 DICOM(Digital Imaging and Communications in Medicine)의 기본적인 구조에 대해 알아보고 의료영상을 다룰 때 명심해야 할 점들에 관해서 공부한다.

    이론

    • DICOM의 구조에 대한 이해와 인공지능을 연구하며 만나게 되는 의료영상 기기 (CT, MRI, X-Ray)에 대한 기초적 이해.

    실습

    • Pydicom, SimpleITK를 통한 DICOM handling, 각 의료기기의 특성에 대한 이해를 파이썬 코드를 통해 실습해본다.
  • 3주차. 딥러닝에 대한 기초적인 이론

    강의 목표

    • 딥러닝에 대한 기초적 이론을 공부한다.

    이론

    • 딥러닝의 이론적 배경을 기초부터 심화까지 공부한다. Perceptron과 MLP에 대한 기초적인 이해부터 Cybenko의 1989년 논문, CNN과 RNN이 등장한 배경 및 작동 원리 등을 살펴본다.
  • 4주차. 딥러닝 논문 리뷰 및 구현

    강의 목표

    • 딥러닝에서 기념비적인 논문들을 읽고 실제로 구현해 봅니다.

    이론

    • VGG, Inception, ResNet, U-Net등의 논문을 읽어본다.

    실습

    • VGG, Inception, ResNet, U-Net등의 논문을 구현해본다. (Tensorflow, Pytorch 모두 진행)
  • 5주차. 인공지능의 기술적 최신 동향, Computer Vision (1)

    강의 목표

    • 의료 인공지능의 기술적 최신 동향을 알기 전에, 공학적 관점에서 인공지능의 기술적 최신 동향을 살펴본다.

    이론

    • SSL, GAN, Diffusion model, Autoencoder 등 다양한 분야의 인공지능 최신 기술을 살펴본다.

      SSL

      Swin Transformer

      GAN

      TBD

      Diffusion model

      DDPM

      AutoEncoder

      MAE (masked autoencoder)

    실습

    • SSL, GAN, Diffusion model, Autoencoder 등 다양한 분야의 인공지능 최신 기술을 구현해본다. (Pytorch로 진행)

      SSL

      Swin Transformer

      GAN

      TBD

      Diffusion model

      DDPM

      AutoEncoder

      MAE (masked autoencoder)

  • 6주차. 인공지능의 기술적 최신 동향, Computer Vision (2)

    강의 목표

    • 단순한 CNN, MLP와 같은 기초적 딥러닝 기술에서 더 나아가 의료 인공지능에 쓰이는 SoTA (State of The Art) 논문들을 읽어보고 그와 관련된 인공지능 논문을 읽어본다.

    이론

    CNN의 한계점 및 Transformer, Attention, SSL (self-supervised learning)과 같은 기술들을 살펴보고 이러한 기술들이 실제로 의료인공지능에 어떻게 적용되는지 실습을 통해 살펴본다.

    실습

    • Transformer, SSL과 관련된 몇 가지의 논문을 구현해본다. (Tensorflow, Pytorch 모두 진행)

    Transformer, Attention

    Attention is all you need

    Non-local neural network

    SSL

    MoCo v2

  • 7주차. 의료 인공지능 논문 구현

    강의 목표

    • 의료 인공지능을 연구한 논문들을 실제로 구현해본다.

    이론

    • 의료인공지능에서 SoTA를 찍은 논문들을 읽어본다.

    실습

    • 의료인공지능에서 SoTA를 찍은 논문들을 실제로 구현해본다. (Pytorch로 구현)

    Chest X-Ray 14 (Pneumonia classification)

    Multi-Objective Evolutionary Design of Deep Convolutional Neural Networks for Image Classification

  • 8주차. 의료 인공지능 실전

    강의 목표

    • 의료 인공지능을 실제로 의료 현장에 적용하기 위해 필요한 고민들을 해 보고, 이를 통해 실제 문제를 풀어본다.

    이론

    • Kaggle data (HuBMAP + HPA - Hacking the Human Body, SIIM-ACR Pneumothorax Segmentation, OSIC Pulmonary Fibrosis Progression)를 통한 의료현장에서 해야 하는 고민들 (성능을 올리기 위한 고민들, 실제 임상 현장에서의 unmet needs, 환자에게 도움이 되는 의료인공지능의 방향 등)을 살펴본다.

    실습

    • Kaggle data를 통한 의료현장에서의 고민을 살펴보고 이것들이 어떻게 실제 의료인공지능 연구 및 제품 개발에 연결되는지 실습해본다.

커리어 성장으로 가는 길, 러닝스푼즈와 함께 하세요!

지금 보고 계시는 강의의 관련 태그로 다른 강의도 찾아보세요.

오프라인

바이오 딥러닝 : 의사 · 국제 학술지 저자에게 배우는 영상 의료 인공지능 기술 구현

매일 선착순 20명 한정! 할인가 확인하고 커리어 성장하세요!

강의찾기